論文の概要: Continuous Lyapunov Controller and Chaotic Non-linear System
Optimization using Deep Machine Learning
- arxiv url: http://arxiv.org/abs/2010.14746v4
- Date: Sun, 31 Oct 2021 17:07:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:02:55.760153
- Title: Continuous Lyapunov Controller and Chaotic Non-linear System
Optimization using Deep Machine Learning
- Title（参考訳）: ディープラーニングを用いた連続リアプノフ制御とカオス非線形システムの最適化
- Authors: Amr Mahmoud, Youmna Ismaeil and Mohamed Zohdy
- Abstract要約: 非線形高度カオス系の早期故障指標を検出するための新しい手法を提案する。
提案手法はシステムとコントローラの信号を継続的に監視する。
ディープニューラルモデルは、期待されるシステムの不安定性に最も対抗できるパラメータ値を予測します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The introduction of unexpected system disturbances and new system dynamics
does not allow guaranteed continuous system stability. In this research we
present a novel approach for detecting early failure indicators of non-linear
highly chaotic system and accordingly predict the best parameter calibrations
to offset such instability using deep machine learning regression model. The
approach proposed continuously monitors the system and controller signals. The
Re-calibration of the system and controller parameters is triggered according
to a set of conditions designed to maintain system stability without compromise
to the system speed, intended outcome or required processing power. The deep
neural model predicts the parameter values that would best counteract the
expected system in-stability. To demonstrate the effectiveness of the proposed
approach, it is applied to the non-linear complex combination of Duffing Van
der pol oscillators. The approach is also tested under different scenarios the
system and controller parameters are initially chosen incorrectly or the system
parameters are changed while running or new system dynamics are introduced
while running to measure effectiveness and reaction time.
- Abstract（参考訳）: 予期せぬシステム障害と新しいシステムダイナミクスの導入は、継続的なシステムの安定性を保証できない。
本研究では,非線形高カオスシステムの早期故障指標を検出するための新しい手法を提案する。
提案手法はシステムとコントローラ信号を継続的に監視する。
システムとコントローラパラメータの再調整は、システム速度、意図された結果、必要な処理能力に妥協することなくシステムの安定性を維持するために設計された一連の条件に従ってトリガーされる。
ディープニューラルモデルは、期待されるシステムの不安定性に最も逆らうパラメータ値を予測します。
提案手法の有効性を実証するため, Duffing Van der pol 発振器の非線形複素結合に適用した。
このアプローチは、システムとコントローラパラメータが最初に誤って選択されたり、実行中にシステムパラメータを変更したり、有効性と反応時間を測定するために実行中にシステムダイナミクスを導入したりするさまざまなシナリオでテストされる。
関連論文リスト
- Iterative Learning Control of Fast, Nonlinear, Oscillatory Dynamics (Preprint) [0.0]
非線形でカオス的で、しばしばアクティブな制御方式では速すぎる。
そこで我々は,反復的,軌道最適化,パラメータ調整による代替能動制御システムを開発した。
特定の要件を満たす限り、コントローラは情報不足や制御不能なパラメータに対して堅牢であることを示す。
論文 参考訳（メタデータ） (2024-05-30T13:27:17Z) - Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。
資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。
これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-04-08T20:02:19Z) - Runtime Monitoring and Fault Detection for Neural Network-Controlled Systems [4.749824105387292]
本稿では, ニューラルネットワークが制御する非線形システムの, 乱れや測定ノイズの存在下での実行時の安全性の向上について考察する。
頑健に安定な間隔オブザーバは、ニューラルネットワーク、非線形関数、システム状態に対して、音と正確な下限と上限を生成するように設計されている。
論文 参考訳（メタデータ） (2024-03-24T13:03:27Z) - Optimal Exploration for Model-Based RL in Nonlinear Systems [14.540210895533937]
未知の非線形力学系を制御する学習は、強化学習と制御理論の基本的な問題である。
本研究では,タスク依存メトリックにおける不確実性を低減するために,効率よくシステムを探索できるアルゴリズムを開発した。
我々のアルゴリズムは、ポリシー最適化から任意のシステムにおける最適な実験設計への一般的な還元に依存しており、独立した関心を持つ可能性がある。
論文 参考訳（メタデータ） (2023-06-15T15:47:50Z) - Stability Bounds for Learning-Based Adaptive Control of Discrete-Time
Multi-Dimensional Stochastic Linear Systems with Input Constraints [3.8004168340068336]
本研究では,有界制御入力制約と非有界障害を有する離散時間多次元システムの適応安定化問題について考察する。
本稿では,オンラインパラメータ推定と飽和線形制御を組み合わせた等価制御手法を提案する。
論文 参考訳（メタデータ） (2023-04-02T16:38:13Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳（メタデータ） (2021-09-06T04:39:06Z) - Concurrent Learning Based Tracking Control of Nonlinear Systems using
Gaussian Process [2.7930955543692817]
本稿では,パラメータ推定ツールとしての並列学習と,オンライン外乱学習における非パラメトリックガウス過程の適用性を示す。
制御法則は、フィードバック線形化の文脈において、両方の手法を逐次的に用いて開発される。
n階系の閉ループ系安定性はリャプノフ安定性定理を用いて証明される。
論文 参考訳（メタデータ） (2021-06-02T02:59:48Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Stability and Identification of Random Asynchronous Linear
Time-Invariant Systems [81.02274958043883]
線形力学系の安定性に対するランダム化と非同期化の付加的な利点を示す。
未知のランダム化LTIシステムに対して,基礎となる力学を復元するための系統的同定手法を提案する。
論文 参考訳（メタデータ） (2020-12-08T02:00:04Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。